羅福莉小米首秀直擊核心！定調下一代模型方向

2025年小米人車家全生態合作伙伴大會上，一個名字和一款模型同時引爆AI圈。被傳“雷軍花千萬年薪挖來”的AI大牛羅福莉，首次以小米MiMo大模型負責人的身份公開亮相，帶來了小米新一代自研大語言模型MiMo-V2-Flash——不僅性能對標頂尖開源模型，還以“3090億總參數+150億活躍參數”的MoE架構實現極致效率，更關鍵的是，它剛發布就全線開源。

在大模型賽道還在比拼“參數越大越厲害”的當下，小米反其道而行之，用“跑得快、跑得久、被高頻調用也跑得起”的設計理念，給行業澆了一盆清醒劑。這款模型背后，既有羅福莉團隊的技術取舍，更藏著小米對AGI（通用人工智能）的獨特思考：智能不是“讀”出來的，而是“活”出來的。

一、幕后推手：從頂會學霸到小米AI掌舵人

要理解MiMo-V2-Flash的創新邏輯，先得認識它的“操盤手”羅福莉。這位北大計算機碩士出身的技術大牛，學生時代就創下“一次性在國際頂會ACL中標8篇論文”的紀錄，其中2篇以第一作者身份發表，一度沖上知乎熱搜，成為AI圈公認的“潛力股”。

畢業后，羅福莉先后加盟阿里巴巴達摩院、DeepSeek母公司幻方量化，在幻方期間深度參與了DeepSeek-V2等爆款模型的研發，積累了從基礎研究到工程落地的全鏈條經驗。2025年11月，她正式官宣加入小米，這次大會是她入職后的首次公開演講。

盡管略顯緊張，但羅福莉條理清晰地傳遞了核心觀點：“大模型解碼了人類思維的文本投影，卻沒真正理解物理世界”。正是這種清醒的認知，讓MiMo-V2-Flash跳出了“參數競賽”的怪圈，走上了“實用主義”的道路。

二、技術拆解：為什么它能“又快又便宜”？

普通人可能看不懂“3090億總參數”“150億活躍參數”的差距，但只要記住一個核心：MiMo-V2-Flash用更小的“運行成本”，實現了和頂尖模型相當的性能。這背后是兩大關鍵技術的支撐：

1.MoE架構：只“點亮”需要的部分

MiMo-V2-Flash采用了當下最先進但工程難度極高的MoE（混合專家）架構。簡單說，這個模型就像一個“專家團隊”，總共有3090億個“專家”（參數），但處理任務時，只需要150億個“相關專家”上陣，其他專家可以“休息”。

這種設計的好處顯而易見：既保留了大模型的綜合能力，又大大降低了推理時的算力消耗。打個比方，這就像請了一支全能樂隊，但演出時只需要根據歌曲風格，安排對應的樂手上場，既保證了演出質量，又節省了場地和設備成本。

2.MTP技術：讓輸出速度“翻倍”

如果說MoE架構解決了“輕量化”問題，那么MTP（多詞元預測）技術就解決了“速度”問題。羅福莉團隊在預訓練和微調階段都加入了MTP層，推理時更是采用三層MTP并行推理，讓模型輸出速度直接提升2-2.6倍。

根據社區測試數據，MiMo-V2-Flash在單機環境下，每秒能處理5000-15000個token（相當于2-7.5萬字），單請求輸出速度也能達到150token/s（約75字/秒）。對比來看，它的推理速度是DeepSeek-V3.2的3倍左右，而成本卻更低；和綜合能力相近的Gemini2.5Pro相比，成本直接低了20倍。

除此之外，小米還創新了HybridAttention（混合注意力）結構和MOPD（多教師在線蒸餾）范式，前者兼顧了長短文本處理能力和推理效率，后者則讓模型在強化學習階段快速吸收多個“專家模型”的優點，用更少的算力實現能力升級。

三、實測實力：在核心賽道沖進“第一梯隊”

光有技術創新還不夠，模型好不好用，得用數據說話。小米官方公布了MiMo-V2-Flash在7項主流評測中的成績，對手包括開源的DeepSeek-V3.2、K2-Thinking，以及閉源的ClaudeSonnet4.5、GPT-5（High）等頂尖模型。

結果顯示，MiMo-V2-Flash在Agent（智能體）、代碼、工具調用、復雜任務執行這四大核心場景中，已經躋身全球第一梯隊。尤其在權威的SWE-Bench軟件工程測試中，它以71.7%的準確率拿下多語言模式第一，證明了其在實際工業場景中的實用價值。

對于開發者和企業來說，這意味著什么？以前需要高昂成本才能接入的頂尖模型能力，現在通過開源的MiMo-V2-Flash就能免費獲得。無論是WebCoding、IDE工具集成，還是智能終端的Agent交互，都能以極低的成本實現高效部署。

四、行業啟示：開源+實用，小米的AGI路線圖

羅福莉在演講中反復強調：“這只是我們在AGI路線圖上的第二步”。這句話的背后，是小米對AI未來的清晰判斷：

首先，大模型的競爭已經從“預訓練規模”轉向“后訓練效率”。隨著Agent場景的普及，模型需要持續通過強化學習迭代升級，穩定、可擴展的訓練體系比單純的參數規模更重要。

其次，開源是縮短技術差距的關鍵。在羅福莉看來，開源不只是共享代碼和權重，更是一種“分布式技術加速機制”。通過開源，小米能匯聚全球開發者的力量，共同優化模型，讓AGI更快走向普惠。

最后，下一代智能體必須“落地現實”。當前大模型之所以會出現“具身幻覺”，比如不懂重力、不理解時空關系，核心是因為它們只從文本中學習，沒有真正和物理世界交互。羅福莉認為，未來的智能體需要構建“統一的世界模型”，從“回答問題”轉向“完成任務”，從“文本模擬”走向“實體交互”。

結語：效率革命背后的AI新方向

MiMo-V2-Flash的發布，不僅是小米在AI賽道的一次重要突破，更給整個行業帶來了新的思考：大模型的終極目標不是“更聰明”，而是“更好用”。當其他廠商還在比拼參數規模時，小米已經用工程優化實現了“性價比拉滿”的效果，這或許就是未來大模型的核心競爭力。

隨著開源生態的完善和Agent場景的普及，MiMo-V2-Flash可能會成為更多開發者和企業的首選基座模型。而羅福莉提出的“智能要在交互中活出來”的理念，也預示著AI行業將從“文本大模型”時代，逐步邁向“具身智能”時代。

對于普通人來說，這意味著未來的智能設備會更懂需求、響應更快、使用成本更低——或許不久后，我們在小米手機、智能眼鏡、汽車里感受到的AI交互，都將源自這個“跑得快、用得起”的大模型。而這，只是小米AGI路線圖的第二步，更精彩的還在后面。